使用langchain连接llama.cpp部署的本地deepseek大模型开发简单的LLM应用

langchain是一个基于python实现的开源LLM开发框架,llama.cpp是一个基于C++框架可以在本地部署大模型并开放服务端接口开放给外部应用使用。

本文结合langchain和llama.cpp,在本地部署轻量级的deepseek大模型,并构建一个简单的链式LLM应用,实现输入问题、回答问题、解析文本。

llama.cpp部署大模型

在huggingface或者modelscope下载模型文件,要求是gguf格式,支持llama.cpp本地加载,这里下载的是一个小尺寸的deepseek模型DeepSeek-R1-Distill-Qwen-1.5B-Q2_K.gguf,放在本地model文件夹。

在github下载对应自己操作系统的llama.cpp的预编译版本包,解压后带有bin目录,在里面找到llama-server命令行程序。

执行命令行启动模型服务:

复制代码
./llama-server -m path/to/model/DeepSeek-R1-Distill-Qwen-1.5B-Q2_K.gguf

启动成功后,llama.cpp加载的deepseek大模型服务默认监听在8080端口,可以打开网页http://localhost:8080/进行聊天验证。

langchain编写LLM应用

在python里安装依赖包:

复制代码
pip install langchain
pip install langchain-openai

因为llama.cpp大模型服务对外开放了OpenAI风格的api,此处可以使用OpenAI的接口连接本地大模型服务进行交互

代码

python 复制代码
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, SystemMessage
from langchain_core.output_parsers import StrOutputParser

# connect remote llama.cpp model server to init model
model = ChatOpenAI(model="my_model", base_url="http://127.0.0.1:8080/v1", api_key="EMPTY")
model

# create parser and make a chain
parser = StrOutputParser()
chain = model | parser
chain

# input message
messages = [
    HumanMessage(content="北京的旅游景点有哪些")
]
messages

# use chain to generate result
response = chain.invoke(messages)
print(response)

输出

复制代码
<think>
嗯,用户问北京的旅游景点有哪些。首先,我得回想一下北京有哪些著名的旅游景点。我记得有大兴门、天安门、人民公园这些,不过可能还有其他景点,比如天安门、八达门、天山、四合院什么的。然后,我还需要考虑一些比较小的景点,比如小汤圆的地点,或者一些特色景点。

接下来,我需要列出这些景点并给出一些推荐。比如大兴门适合喜欢自然风光和历史的游客,天安门适合喜欢历史和文化的人,人民公园适合喜欢休闲的游客。小汤圆、古街巷这些可能会吸引喜欢美食的游客,还有小山公园、和平公园这些适合喜欢自然和历史的游客。

然后,我还需要考虑用户的需求,可能他们想去旅游,喜欢自然、历史、美食,或者喜欢休闲。因此,我需要针对不同的用户需求提供不同的建议。例如,喜欢自然的游客,可以选择大兴门和天山;喜欢历史的游客,可以选择八达门;喜欢美食的游客,推荐小汤圆;喜欢休闲的游客,可以选择人民公园。

最后,我需要整理这些信息,确保涵盖各个方面,并给出详细的建议,让用户可以根据自己的需求选择合适的景点。
</think>

北京的旅游景点众多,涵盖了自然、历史、美食、休闲等多种体验。以下是一些常见的旅游景点推荐:

1. **大兴门**:位于北京市 central, 是北京市区的主要景点,适合喜欢自然风光、历史文化和环境的游客。

2. **天安门**:位于北京市 capital, 是北京市的主要景点,适合喜欢历史、文化、自然和休闲的游客。

3. **人民公园**:位于北京市 capital, 是北京市的主要景点,适合喜欢休闲、自然和历史的游客。

4. **八达门**:位于北京市 capital, 是北京的标志性景点,适合喜欢历史、自然和休闲的游客。

5. **小汤圆**:位于小汤圆的遗址遗址,适合喜欢美食的游客。

6. **古街巷**:包括古街和古巷,是北京历史景点,适合喜欢历史、自然和休闲的游客。

7. **小山公园**:位于小山,是北京市的著名景点,适合喜欢自然、历史和休闲的游客。

8. **和平公园**:位于北京市 capital, 是北京市的著名景点,适合喜欢自然、历史和休闲的游客。

9. **小山公园**:位于小山,是北京市的著名景点,适合喜欢自然、历史和休闲的游客。

10. **四合院**:位于四合院,是北京的著名景点,适合喜欢历史和自然的游客。

11. **天山**:位于天山,是北京的著名景点,适合喜欢自然和历史的游客。

12. **小汤圆**:位于小汤圆的遗址遗址,适合喜欢美食的游客。

13. **古街巷**:包括古街和古巷,是北京历史景点,适合喜欢历史、自然和休闲的游客。

14. **小汤圆**:位于小汤圆的遗址遗址,适合喜欢美食的游客。

15. **古街巷**:包括古街和古巷,是北京历史景点,适合喜欢历史、自然和休闲的游客。

可以看到结合langchain和llama.cpp构建出了一个链式LLM应用,根据指定的输入和流程,经过大模型的智能问答结果解析文本生成输出。(请忽略小尺寸智障AI的回答结果,只是为了演示)

相关推荐
染指11101 分钟前
141.Agent-多Agent框架-编写并使用Skills
人工智能·语言模型·langchain·skill·agents
大鹏的NLP博客38 分钟前
C++ 内存安全的未来:从 Safety Profiles 到 Safe C++
c++·内存安全
程序员zgh1 小时前
C++ erase() 函数用法
c语言·开发语言·c++·学习
All for pursuit.2 小时前
【并查集-2】399.除法求值
数据结构·c++·算法·leetcode
·云扬·2 小时前
大模型训练三阶段与 LoRA 微调:从预训练到领域适配
人工智能·深度学习·ai
HUIBUR科技2 小时前
AI中枢:打破数据孤岛与流程孤岛双重困境
开发语言·ai
胖纸不争2 小时前
嫌桌面 Agent 太重,我“自己”写了一个
ai·c#·net core
宋哥转AI2 小时前
我的创作纪念日:成为创作者的第 128 天
人工智能·ai
ajassi20003 小时前
AI语音智能体开发日记(十八)智能体服务器xiaozhi-esp32-server源码部署指南
运维·服务器·人工智能·ai·ai编程
程序喵大人3 小时前
【C++入门】编译链接模型 - 05 ODR 为什么会让重复定义变成工程炸点
开发语言·c++·编译链接·odr